Lógica de Programação

Outros

O conjunto de textos é chamado de corpus, e o conjunto de corpus é chamado de corpora.

Desafios para Aprender

há 9 meses

Desafios para Aprender

há 9 meses

39 pág.

Processamento de Linguagem Natural e Reconhecimento de Voz

ESTÁCIO EAD

Respostas

há 9 meses

Parece que sua pergunta não está completa. Se você puder fornecer mais detalhes ou esclarecer o que você gostaria de saber sobre o conceito de corpus e corpora, ficarei feliz em ajudar!

Essa resposta te ajudou?

Ainda não achou a resposta?

Integrado com os principais modelos de IA do mercado
Respostas em segundos
IA treinada para estudantes brasileiros.

Evolua sua forma de estudar

Cadastre-se ou realize login

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

39 pág.

Processamento de Linguagem Natural e Reconhecimento de Voz

ESTÁCIO EAD

Mais perguntas desse material

Definir os conceitos de processamento de linguagem natural.

Aplicar técnicas de processamento de linguagem natural com NLTK.

Aplicar técnicas de reconhecimento de voz com PyAudio.

Nesse contexto, o processamento de linguagem natural é muito importante, para que a máquina exerça funções como:
Ler textos, a fim de extrair informações.
Escutar falas e diálogos, a fim de contribuir com a discussão.
Expressar-se em texto ou som, a fim de se fazer entender.

Para que a máquina entenda o que está se falando, primeiro é necessário organizar o dado semiestruturado (texto) em algo mais compressivo para o computador: os números.

Um texto é composto de sentenças e que, por sua vez, são compostas de sujeito, verbo e predicado. Cada uma dessas partes é composta essencialmente por palavras. Desse modo, concluímos que os níveis hierárquicos de nossos dados são:
texto
sentenças
palavras

Dependendo do tipo de problema de PLN, podemos ver tokenização por sentenças, mas isso é raro. Assim, nosso texto passa a ser um vetor de palavras.

Depois que decompomos o texto em partes atômicas, devemos analisá-las de acordo com as subáreas de processamento de linguagem natural, a saber:
Análise sintática
Análise semântica
Análise pragmática

Com pelo menos a análise sintática feita, podemos começar a transformar textos em estruturas matemáticas.

Term frequency inverse document frequency of records (TF-IDF), ou frequência do termo pelo inverso da frequência do documento, pode ser definido como o cálculo da relevância de uma palavra em uma série ou corpus para um texto. O significado aumenta proporcionalmente ao número de vezes que uma palavra aparece no texto, mas é compensado pela frequência da palavra no corpus (conjunto de dados).

No caso do TF-IDF, por exemplo, contamos quantas vezes determinada palavra aparece no corpus e em cada documento. Com essa técnica poderosa, podemos descobrir quais são as palavras mais frequentes e codificar os documentos.

Palavras mais frequentes são um bom indicativo de o documento pertencer a uma dada categoria.

Também podemos limpar nosso conjunto de dados removendo palavras que aparecem em excesso, como artigos, preposições e termos auxiliares de linguagem. Essas palavras são determinadas como stopwords. Além disso, podemos ignorar termos que só aparecem uma vez ou pouquíssimas vezes no corpus: as outliers.

Palavras que não acrescentam muito na informação em questão.

Palavras que não acrescentam no ganho de informação.

Na análise de importância das palavras, para identificar aquelas que realmente podem agregar significado a uma sentença, é usual empregarmos a técnica da frequência inversa. Com o TF-IDF, consideramos a frequência de uma palavra na sentença, dividida pelo número de documentos em que ela aparece. Assim, temos:

"O rato roeu a roupa do rei de roma" - (removemos stopwords) $\rightarrow$ [palavra 0, ..., rato, roeu, roupa, rei, roma, ..., palavra n] $\rightarrow[0.0, \ldots, 0.2,0.01,0.01,0.1,0.02,0.03, \ldots, 0.0]$. Os números são o TF-IDF de cada palavra codificada, em que, por exemplo, rato teria $20 \%$. Logo, a frase poderia ser codificada como o vetor de frequências.

Com isso, podemos associar rótulos a cada vetor codificado e treinar diversos modelos para que a máquina possa entender e associar futuros textos em dada classificação.

Em geral, o mundo da computação é colaborativo. É comum encontrarmos erros nas bibliotecas utilizadas, copiarmos o log de erro e procurarmos em qualquer motor de busca. Provavelmente, alguma resposta será retornada em algum fórum de discussão, como StackOverflow, Github, Reddit. Isso não só é uma prática comum na comunidade de desenvolvimento de software e computação, como também nos possibilita aprender mais.

Lógica de Programação

O conjunto de textos é chamado de corpus, e o conjunto de corpus é chamado de corpora.

Processamento de Linguagem Natural e Reconhecimento de Voz

Respostas

Ainda não achou a resposta?

Ainda com dúvidas?

Essa pergunta também está no material:

Processamento de Linguagem Natural e Reconhecimento de Voz

Definir os conceitos de processamento de linguagem natural.

Aplicar técnicas de processamento de linguagem natural com NLTK.

Aplicar técnicas de reconhecimento de voz com PyAudio.

Nesse contexto, o processamento de linguagem natural é muito importante, para que a máquina exerça funções como:Ler textos, a fim de extrair informações.Escutar falas e diálogos, a fim de contribuir com a discussão.Expressar-se em texto ou som, a fim de se fazer entender.

Para que a máquina entenda o que está se falando, primeiro é necessário organizar o dado semiestruturado (texto) em algo mais compressivo para o computador: os números.

Um texto é composto de sentenças e que, por sua vez, são compostas de sujeito, verbo e predicado. Cada uma dessas partes é composta essencialmente por palavras. Desse modo, concluímos que os níveis hierárquicos de nossos dados são:textosentençaspalavras

Dependendo do tipo de problema de PLN, podemos ver tokenização por sentenças, mas isso é raro. Assim, nosso texto passa a ser um vetor de palavras.

Depois que decompomos o texto em partes atômicas, devemos analisá-las de acordo com as subáreas de processamento de linguagem natural, a saber:Análise sintáticaAnálise semânticaAnálise pragmática

Com pelo menos a análise sintática feita, podemos começar a transformar textos em estruturas matemáticas.

No caso do TF-IDF, por exemplo, contamos quantas vezes determinada palavra aparece no corpus e em cada documento. Com essa técnica poderosa, podemos descobrir quais são as palavras mais frequentes e codificar os documentos.

Palavras mais frequentes são um bom indicativo de o documento pertencer a uma dada categoria.

Palavras que não acrescentam muito na informação em questão.

Palavras que não acrescentam no ganho de informação.

Com isso, podemos associar rótulos a cada vetor codificado e treinar diversos modelos para que a máquina possa entender e associar futuros textos em dada classificação.

Mais conteúdos dessa disciplina

Nesse contexto, o processamento de linguagem natural é muito importante, para que a máquina exerça funções como:
Ler textos, a fim de extrair informações.
Escutar falas e diálogos, a fim de contribuir com a discussão.
Expressar-se em texto ou som, a fim de se fazer entender.

Um texto é composto de sentenças e que, por sua vez, são compostas de sujeito, verbo e predicado. Cada uma dessas partes é composta essencialmente por palavras. Desse modo, concluímos que os níveis hierárquicos de nossos dados são:
texto
sentenças
palavras

Depois que decompomos o texto em partes atômicas, devemos analisá-las de acordo com as subáreas de processamento de linguagem natural, a saber:
Análise sintática
Análise semântica
Análise pragmática